Python爬虫之『urlopen』

本文以爬取百度首页为示例来学习，python版本为python3.6.7，完整代码会在文章末附上

本次学习所用到的python框架：
urllib.request

本次学习所用到的函数：
urllib.request.urlopen()：发送http的get请求
.read()：读取抓到的内容
.decode("utf-8")：将获取的betys格式数据转换为string格式数据

 

1.发送http的get请求使用的函数urllib.request.urlopen() ,其返回内容是所请求的url的网页源代码 可以将返回的内容赋给另外一个key 

例如 response = urllib.request.urlopen(url)

代码执行结果：

 好像是存在内存里，这应该展示的是一个内存地址。

 

 2.我们需要将内容读出来就用到了有一个函数.read()

 

data = response.read() `将response的内容读出来赋值给data

 代码执行结果：获取的数据类型为bytes，没有可读性哈

 

3.需要进行转换将data转换成字符串类型，用到函数.decode("utf-8")

str_data = data.decode("utf-8")

 代码执行结果：【ps：将上面的https改为http】不截图了这里就能打印出url所对应的网页源代码了

 4.接下来是数据持久化的问题【固定格式记住就行了】

 代码运行会生成一个baidu.html保存的是上面搜抓取的内容。

可以本地运行会[做运维的小年轻]打开一个浏览器页面：

5.那我们在爬虫的时候也会有需求，将字符串转换为你bytes格式，这就需要用到函数.encode

 代码运行结果：

 

Python爬取到的数据类型一般有两种：str 、bytes

如果是爬取回来的是bytes类型，但是需要写入的是str类型用到的就是第4条的.decode(utf-8)

如果爬取回来的是str类型，但是需要写入的是bytes类型用到的就是第5条对的.encode(utf-8)

 

 

完整代码：

# -*- coding:utf-8 -*-
import  urllib.request

def load_data():
    url = "http://www.baidu.com/"

    #发送http的get请求的函数 urllib.request.urlopen() 其返回内容是所请求url的网页源代码
    #将返回的内容赋值给response
    response = urllib.request.urlopen(url)
    #print(response)
    #读取内容 运行之后发现返回数据类型为bytes类型[做运维的小年轻]
    data = response.read()
    #print(data)
    # 将获取的数据类型为bytes的数据data 转换成字符串类型
    str_data = data.decode("utf-8")
    #print(str_data)
    #数据持久化，即写入文件
    with open("baidu.html","w",encoding="utf-8")as f:
        f.write(str_data)
load_data()